Cursos de Formación

El curso propuesto tiene como objetivo principal complementar la formación adquirida por los alumnos y titulados en las distintas especialidades de ingeniería en lo referente a la programación en Python y su utilización en el ámbito de la Inteligencia artificial y el aprendizaje, en concreto, en la aplicación de optimización Bayesiana y de Deep Learning.

En la actualidad se está produciendo un gran desarrollo tecnológico en el campo de la inteligencia artificial y el aprendizaje a partir de datos, propiciando una demanda creciente de ingenieros y técnicos formados en las materias necesarias para el diseño y análisis de técnicas basadas en inteligencia artificial. Actualmente Python es el lenguaje líder en estos campos, por lo que el curso aborda en primer lugar el aprendizaje de este lenguaje de programación y, a continuación, la utilización de los módulos concretos de Python, especializados en algoritmos de optimización Bayesiana y Deep Learning (Keras), respectivamente.

Los requisitos que se solicitan para los participantes son de conocimientos básicos de programación, no necesariamente en Python, ya que se empezará desde el inicio con este lenguaje. Se empleará una metodología eminentemente práctica, y se proporcionará todo el software necesario para trabajar en Python con las librerías necesarias. Se contempla la realización de pequeños ejercicios prácticos para cada uno de los módulos del curso.

El plazo de matriculación es del 24 de Enero de 2020 hasta el 23 de Febrero del 2020. La fecha de inicio: 24 de Febrero de 2020.

Horarios:

  • 24.02.2010 (16:00h a 20:00h)
  • 26.02.2020 (16:00h a 20:00h)
  • 02.03.2020 (16:00h a 20:00h)
  • 04.03.2020 (16:00h a 19:00h)
  • 09.03.2020 (16:00h a 20:00h)
  • 11.03.2020 (16:00h a 20:00h)
  • 16.03.2020 (16:00h a 20:00h)
  • 18.03.2020 (16:00h a 19:00h)

Lugar: Edificio Leonardo Da Vinci (Campus de Rabanales) - Aula de Informática 2 (LV5B230)

Contenidos:

  • Bloque I: Conceptos básicos de Python. Librerías para análisis de datos en Python I. Librerías para análisis de datos en Python II. 10 horas.
  • Bloque II: Introducción al aprendizaje basado en procesos Gaussianos. Optimización Bayesiana. Introducción a Deep Learning con Keras. 9 horas.
  • Bloque III: Redes completamente conectadas y redes neuronales convolucionales. Machine Learning con scikit: Clasificación. Redes neuronales recurrentes. 11 horas.

Mas información: https://www.uco.es/estudios/idep/menu-formacion-permanente/informacion-para-estudiantes - (Estudio 3798 / 1ª Edición)

Contacto:

  • Juan Manuel Díaz Cabrera - Secretario Aula de Transformación Digital FiWare de la UCO - email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
  • Daniel Gutiérrez Reina - email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.
  • Sergio Toral Marín - email: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.

 

Se ha realizado en el Aula de Informática de Fundecor el curso organizado y certificado por la Universidad de Córdoba "Industria 4.0: Automatización Industrial" dirigido a estudiantes, titulados universitarios y no universitarios a través de los componentes del Aula de Transformación Digital Fiware y la empresa IRC Automatización con la posibilidad de realización de prácticas curriculares basados en los requisitos establecidos y según el programa académico siguiente:

Módulo 1: Automatización a nivel de Fábrica.

1. SENSORES Y ACTUADORES INDUSTRIALES.

1.1. Tipos de sensores. Identificación. Características eléctricas y estáticas básicas.
1.2. Tipos de actuadores. Actuadores eléctricos. Características.
1.3. Protocolos actuador-sensor.

2. PROGRAMACIÓN DE CONTROLADORES LÓGICOS PROGRAMABLES (PLC).

2.1. Introducción a la programación de PLCs con Simatic Step-7 de Siemens.
2.2. Programación S7: Tipos de lenguaje y consejos a la hora de programar.
2.3. Memoria en S7 y tipos de variables.
2.4. Instrucciones básicas: Flancos, temporizadores y contadores.
2.5. Operaciones de conversión, comparación y lógicas.
2.6. Bloques de organización (OB), bloques de datos (DB), funciones (FC) y Bloques de función (FB).
2.7. Tratamiento de señales analógicas.
2.8. Diagnóstico de fallos y errores.
2.9. Comunicaciones: soportes físicos y protocolos.

3. PROGRAMACIÓN DE INTERFAZ HOMBRE MÁQUINA (HMI).

3.1. Introducción a la programación de HMI con GP-Pro de Proface.
3.2. Creación de proyectos descripción del espacio de trabajo.
3.3. Configuración de comunicaciones.
3.4. Memoria y creación de variables.
3.5. Creación de imágenes.
3.6. Asignación de variables, animación y dinamización de objetos.
3.7. Edición de avisos y alarmas.
3.8. Recetas.

4. PROGRAMACIÓN DE SISTEMAS DE CONTROL Y ADQUISICIÓN DE DATOS (SCADA).

4.1. Introducción a los sistemas Scada con WinCC de Siemens.
4.2. Crear y modificar proyectos.
4.3. Descripción de entorno de trabajo WinCC.
4.4. Configurar drivers de comunicación.
4.5. Tags (Variables de proceso).
4.6. Diseño de pantallas.
4.7. AlarmLogging y TagLogging.
4.8. Scripts en WinCC.

Módulo 2: Computación en la nube.

5. PLATAFORMAS WEB.

5.1. Resultados tecnológicos y de negocio perseguidos por la Industria 4.0: Eficiencia de procesos, Mantenimiento predictivo, calidad, inspección, gestión, etc.
5.2. Plataformas: Microsoft Azure, IBM Bluemix, Amazon AWS, Domoticz, MindSphere, etc 5.3. SCADAS en la nube.
5.4. Analítica de datos, Big Data y Machine Learning en entornos industriales.
5.5. Conectividad. Protocolo MQTT.

6. SENSORES IoT Y SISTEMAS EMBEBIDOS.

6.1. Plataforma Arduino.
6.2. Protocolos IoT: Lora, Sigfox.
6.3. Gateway: IoT-2040 de Siemens

Equipo docente: Francisco José Casares de la Torre, Juan Manuel Orihuela Ortega y José Checa Claudel.

* Mas información en en el catálogo de cursos de Fundecor.

El curso está dividido en tres bloques y los objetivos de cada uno de los bloques se detallan a continuación.

Bloque I. Introducir los conceptos básicos de Python 3 y las librerías para manejar información, tales como Numpy (vectores), Matplotlib (visualización), Scipy (métodos numéricos) y Pandas (datos).

Bloque II. Centrado en introducir los conceptos básicos de optimización (single-objective y multi-objective) y su implementación en Python 3, mediante la librería DEAP.

Bloque III. Se centra en estudiar e implementar regresiones, clasificadores y clustering en Python 3, utilizando la librería SciKit-Learn.

Los requisitos que se solicitan para los participantes son de conocimientos básicos de programación, no necesariamente en Python, ya que se empezará desde el inicio con este lenguaje. Se empleará una metodología eminentemente práctica, y se proporcionará todo el software necesario para trabajar en Python con las librerías DEAP y SciKit-Learn. Se contempla la realización de pequeños ejercicios prácticos para cada uno de los módulos del curso.